Σκοπός της Θ.Ε είναι η απόκτηση από τους εκπαιδευόμενους του απαραίτητου θεωρητικού υπόβαθρου, αλλά και πρακτικών γνώσεων πάνω σε θέματα που αφορούν τη χρήση big data στο επαγγελματικό ποδόσφαιρο στην υπηρεσία του scouting αλλά και της αναγνώρισης νέων ταλέντων. Συγκεκριμένα, στο πλαίσιο της ενότητας θα αναλυθούν ζητήματα,   όπως:

Βασικές αρχές διαχείρισης δεδομένων (data management)

• Βασικές στατιστικές έννοιες και μέθοδοι (basic statistics)
• Διαχείριση, αποδελτίωση, κανονικοποίηση και προσαρμογή δεδομένων
• Δειγματοληψία, στατιστική συμπερασματολογία και επικύρωση στατιστικών δεδομένων (sampling and statistical inference, validation)
• Μοντελοποίηση στατιστικών δεδομένων και προσαρμογή στατιστικών μοντέλων στο ποδόσφαιρο (model calibration)
• Τρόποι παρουσίασης και οπτικοποίησης δεδομένων (data visualization)
• Αναφορά και παρουσίασης στατιστικών δεδομένων & αποτελεσμάτων στατιστικής ανάλυσης (data reporting)
• Διαχείριση γνώσης, εξόρυξη δεδομένων και κανόνες συσχετίσεων σε βάσεις δεδομένων (data mining & knowledge discovery)
• Sports Data mining tools
• Μεθοδολογία παραγοντικής ανάλυσης δεδομένων (factor analysis)
• Μέθοδοι ομαδοποίησης δεδομένων (clustering)
• Βελτίωση λήψης αποφάσεων & δέντρα αποφάσεων (decision trees)
• Ανάλυση χρονοσειρών στατιστικών δεδομένων (timeseries)
• Στατιστική ανάλυση συνόλων δεδομένων στο ποδόσφαιρο (sports datasets analysis)
• Ανάλυση αθλητικών κοινωνικών δικτύων (sports social network analysis)
• Πώς χρησιμοποιείται σήμερα η τεχνητή νοημοσύνη (ΑΙ) στο ποδόσφαιρο;
• Τεχνητά Νευρωνικά Δίκτυα (ANN) και Machine Learning (ML)

Διαχείριση Big Data στην υπηρεσία του σύγχρονου επαγγελματικού ποδοσφαίρου

• Τι είναι τα Big data και πώς επηρεάζουν σήμερα το ποδόσφαιρο;
• Εισαγωγήστα Data Analytics. Ορόλοςτων Sports Analytics (tracking, coaching, physiological, psychological, scouting, & crowd data).
• Χρήση big data για μέτρηση & βελτίωση της απόδοσης της ομάδας (performance measurement)
• Xρήση big data για ανάλυση κινήσεων παικτών και στρατηγικής παιχνιδιού (technical and tactical analysis).
• Χρήση big data για βελτίωση φυσικής κατάστασης και πρόληψη τραυματισμών (physical performance improvement & sports injuries prediction)
• Χρήση big data για αναζήτηση και εντοπισμό ταλέντων και μεταγραφικών στόχων (talent identification & assessment)
• Χρήση big data για τη βελτίωση της οικονομικής επάρκειας της ομάδας (business efficiency)

• γνωρίζουν βασικές έννοιες της διαχείρισης δεδομένων και της στατιστικής επιστήμης
• κατανοούν τη σημασία και το ρόλο των διάφορων στατιστικών μέτρων
• κατανοούν τους διαφορετικούς τρόπους χειρισμού των δεδομένων
• επιλέγουν τις κατάλληλες μεθοδολογίες προκειμένου να μπορούν να αναλύσουν στατιστικά δεδομένα
• γνωρίζουν με ποιο τρόπο θα σχεδιάσουν σωστά μια έρευνα, θα επιλέξουν το κατάλληλο δείγμα δεδομένων και θα οδηγηθούν σε ασφαλή στατιστικά συμπεράσματα
• εφαρμόζουν τρόπους παρουσίασης και οπτικοποίησης στατιστικών δεδομένων
• γνωρίζουν πώς θα παρουσιάσουν σωστά τα στατιστικά συμπεράσματα
• γνωρίζουν πώς να μοντελοποιούν τα στατιστικά δεδομένα που έχουν στη διάθεσή τους
• γνωρίζουν πώς θα προσαρμόσουν στις ανάγκες της έρευνάς τους, με κατάλληλο τρόπο, ένα στατιστικό μοντέλο
• γνωρίζουν τι είναι τα Big Data και ποιος ο ρόλος τους στο σύγχρονο ποδόσφαιρο
• γνωρίζουν τη σημασία των Sports Analytics και τη συμβολή τους στη βελτίωση της πληροφόρησης του τεχνικού διευθυντή
• γνωρίζουν πώς να αξιοποιήσουν τα big data για μέτρηση & βελτίωση της απόδοσης των παικτών
• γνωρίζουν πώς να αξιοποιήσουν τα big data για ανάλυση κινήσεων των παικτών και της στρατηγικής παιχνιδιού
• γνωρίζουν πώς να αξιοποιήσουν τα big data για βελτίωση φυσικής κατάστασης και πρόληψη τραυματισμών
• γνωρίζουν πώς να αξιοποιήσουν τα big data για αναζήτηση και εντοπισμό ταλέντων και μεταγραφικών στόχων
• γνωρίζουν πώς να αξιοποιήσουν τα big data για τη βελτίωση της οικονομικής επάρκειας της ομάδας